Основы прикладной математики и машинного обученияТеория вероятности и теория информацииОценка максимального правдоподобияСовременные подходы к глубоким сетямРегуляризация в глубоком обученииОптимизация в обучении глубоких моделейМоделирование последовательностейИсследования по глубокому обучениюСтруктурные вероятностные модели в глубоком обученииПреодоление трудностей, связанных со статической суммойГлубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры.Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.Книга издана в цвете и в твердом переплете.2-е цветное издание, исправленное.